一项对190项关于机器学习（ML）在手术风险分层和结局预测方面应用的研究进行的范围审查，揭示了显著的方法学差距。大多数研究使用了单中心、私有数据集，数据模态有限，并且缺乏开放访问的手术数据集阻碍了可复现性。关键的预处理步骤，如缺失数据处理和类别不平衡，通常报告不完整。虽然传统的ML模型占主导地位，但深度学习和多模态方法并不常见，标准化评估协议和基准数据集也基本缺失，阻碍了跨研究比较。此外，只有约三分之一的研究纳入了可解释性方法，限制了用于围手术期护理的临床稳健ML工具的开发。 AI
影响 确定了数据可用性和方法学方面的关键差距，这些差距阻碍了AI工具在手术风险预测中的临床应用。
排序理由 该集群基于一篇学术论文，该论文详细介绍了机器学习在特定领域中的范围审查。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
